人工智能在超聲醫(yī)學(xué)影像的應(yīng)用研究進展

重慶醫(yī)科大學(xué)附屬第二醫(yī)院健康管理中心 （重慶 400010）

內(nèi)容提要： 近年來，伴隨著云計算機的發(fā)展，以及“互聯(lián)網(wǎng)+”的不斷深化，人工智能已逐漸出現(xiàn)在生活的各個領(lǐng)域，而“深度學(xué)習(xí)技術(shù)”的出現(xiàn)和大數(shù)據(jù)的不斷發(fā)展也助推著人工智能向人工智能+醫(yī)療的方向快速發(fā)展，并取得了突破性進展。超聲影像檢查作為重要的醫(yī)療細分領(lǐng)域，也搭上了人工智能這趟列車。文章梳理了人工智能在超聲醫(yī)學(xué)影像的應(yīng)用現(xiàn)狀及研究進展，并討論其前景及挑戰(zhàn)。

近年來，超聲影像檢查作為重要的醫(yī)療細分領(lǐng)域，也搭上了人工智能（Artificial Intelligence，AI）這趟列車。本文梳理了人工智能在超聲醫(yī)學(xué)影像的應(yīng)用現(xiàn)狀及研究進展，并討論其前景及挑戰(zhàn)。

1.人工智能

AI是計算機科學(xué)領(lǐng)域的一個分支，被認為是21世紀三大尖端技術(shù)之一，包括了圖像識別、機器人、語言識別及處理等多個技術(shù)領(lǐng)域的研究。自1956年DARTMOUTH學(xué)會上提出AI一詞以來，歷經(jīng)40多年的發(fā)展，理論和技術(shù)不斷成熟，已在諸多領(lǐng)域中得到了廣泛應(yīng)用，對人們的工作理念、工作習(xí)慣帶來巨大影響，近年來，AI醫(yī)療方面的研究與應(yīng)用也越來越受到廣泛關(guān)注[1,2]。

2.計算機輔助診斷

計算機輔助診斷（Computer Aided Diagnosis，CAD）有醫(yī)生的“第三只眼”之稱，是基于醫(yī)學(xué)影像學(xué)的技術(shù)手段，再結(jié)合計算機分析，輔助發(fā)現(xiàn)病灶，提高診斷準(zhǔn)確度和工作效率的一種技術(shù)[3]。1959年，美國的Ledley等[4]學(xué)者首次將計算機診斷的數(shù)學(xué)模型應(yīng)用到了臨床醫(yī)學(xué)中，并在1966年，正式提出了計算機輔助診斷（Computer Aided Diagnosis，CAD）的概念。20世紀80年代初，CAD已能實現(xiàn)包括患者的檢查資料收集、信息量化處理、統(tǒng)計分析等，直至作出最后診斷。20世紀90年代以來，人工神經(jīng)元網(wǎng)絡(luò)數(shù)學(xué)算法取得了突破性進步，通過模仿人類神經(jīng)元傳遞、處理信息的工作模式，能達到自學(xué)、記憶、預(yù)測事件發(fā)展等能力，CAD由此取得了跨越式進步，其中以在乳腺及肺部結(jié)節(jié)的CAD研究最為成熟。

3.深度學(xué)習(xí)技術(shù)

深度學(xué)習(xí)（Deep Learning，DL）屬于機器學(xué)習(xí)的一種，源自于人工神經(jīng)網(wǎng)絡(luò)的研究，主要包括了卷積神經(jīng)網(wǎng)絡(luò)（CNN）、深度置信網(wǎng)絡(luò)（DBN）、自編碼神經(jīng)網(wǎng)絡(luò)三類模式分析方法，是當(dāng)前新一代人工智能的重要技術(shù)。DL概念的提出最初是由Hinton等[5]通過對人工神經(jīng)網(wǎng)絡(luò)的研究，發(fā)表于2006年的Science雜志中。DL是對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的進一步優(yōu)化，規(guī)避了傳統(tǒng)學(xué)習(xí)算法對人工定義、特征提取的依賴，通過多層處理，自身來產(chǎn)生好特征，讓“全自動數(shù)據(jù)分析”成為可能[6]。DL使AI更接近人類的思考活動，已成為當(dāng)前最具應(yīng)用前景的機器學(xué)習(xí)算法，是革新AI+醫(yī)學(xué)影像的關(guān)鍵技術(shù)[7]。

4.AI在超聲醫(yī)學(xué)影像學(xué)中的應(yīng)用現(xiàn)狀

4.1 甲狀腺超聲智能診斷

目前，CAD系統(tǒng)已投入到甲狀腺超聲的研究中，并在甲狀腺結(jié)節(jié)惡性風(fēng)險分層方面取得一定成果。許敏等[8]利用CAD系統(tǒng)基于Kwak提出的甲狀腺影像報告與數(shù)據(jù)系統(tǒng)（K-TI-RADS）、美國甲狀腺協(xié)會（ATA）指南、美國放射協(xié)會（ACR）發(fā)表的ACR-TI-RADS指南分為3組并進行分析，CAD在利用ACR-TI-RADS指南進行診斷時有最高的AUC和敏感度，利用K-TI-RADS指南（在以4c為診斷界值時）展現(xiàn)出最高的特異度。近年，原利晶等[9]利用CAD系統(tǒng)評價聯(lián)合CEU能夠有效鑒別甲狀腺的良惡性結(jié)節(jié)研究的出現(xiàn)，不僅彌補CAD系統(tǒng)未涉及甲狀腺結(jié)節(jié)血流特征的不足，還將結(jié)節(jié)的超聲特征直觀顯示并量化，使CAD在超聲造影、超聲彈性、微血流成像等超聲新技術(shù)結(jié)合領(lǐng)域不再空白。

4.2 乳腺超聲智能診斷

隨著人工智能技術(shù)的發(fā)展，DL使CAD得到了進一步的優(yōu)化，在乳腺癌診斷中得到了廣泛應(yīng)用。美國FDA批準(zhǔn)上市的Irr eChecker乳腺計算機輔助設(shè)計系統(tǒng)通過結(jié)合BI-RADS，對乳腺結(jié)節(jié)的回聲、邊緣光滑度、微鈣化、血管分布等方面進行量化特征的選取并分析，從而對結(jié)節(jié)的良惡性風(fēng)險作出評估。在人工智能篩選下，對乳腺癌基因特征進行分析，運用乳腺癌病理學(xué)分級，可對患者預(yù)后情況進行評估[10]。三星研發(fā)的S-Detect輔助診斷系統(tǒng)利用乳腺病灶二維灰階圖像的物理聲學(xué)特征，能有效地鑒別乳腺良惡性病灶，有助于提升超聲醫(yī)師診斷乳腺癌的準(zhǔn)確性[11]。

4.3 自動乳腺全容積超聲成像及圖像解析

自動乳腺全容積掃描儀采集圖像層間距為0.5mm，可根據(jù)患者的乳房大小調(diào)整深度、增益、聚焦范圍、掃查方位等以獲得最佳圖像質(zhì)量；掃查結(jié)束后以乳頭為定位標(biāo)志，將全容積信息傳輸至影像處理系統(tǒng)進行多平面重組，可獲取橫切面、矢狀面及冠狀面圖像，通過重建圖像對乳腺病灶進行脫機分析診斷[12]。ABVS在診斷乳腺惡性腫瘤方面較傳統(tǒng)彩超有優(yōu)勢，“火山口”征和鈣化是乳腺癌的特征性ABVS表現(xiàn)。目前，ABVS還應(yīng)用于腹部疝，小腿肌間靜脈血栓檢查中，在淺表腫塊、肌肉骨骼疾病診斷等方面也有應(yīng)用，但相關(guān)文獻報道較少[13]。

4.4 肝臟超聲影像人工智能診斷

付甜甜等[14]利用傳統(tǒng)機器學(xué)習(xí)和深度學(xué)習(xí)的方法，對超聲圖像數(shù)據(jù)集進行特征提取和分類，建立肝纖維化自動分類模型，統(tǒng)計每種模型不同分類情景的準(zhǔn)確率，得出以計算機輔助診斷慢性乙肝患者肝纖維化進程準(zhǔn)確性較高，且可以做到更細化的肝纖維化進程分類。未來有望應(yīng)用于無創(chuàng)評估乙肝患者肝纖維化進程的臨床工作中。有研究者以評估創(chuàng)新開發(fā)的彈性成像深度學(xué)習(xí)放射成像的性能進行了一系列研究，該研究可以定量分析二維剪切波彈性成像中用于評估肝纖維化的異質(zhì)性。

5.小結(jié)

近年來，伴隨著5G技術(shù)、云計算機的發(fā)展，以及“互聯(lián)網(wǎng)+”的不斷深化，高質(zhì)量數(shù)據(jù)量的不斷提高，數(shù)據(jù)處理效率及傳輸速度劇增，醫(yī)學(xué)影像AI研究將會得到大幅度優(yōu)化，日后有望取代醫(yī)師的基礎(chǔ)工作。但這并不代表醫(yī)生這個職業(yè)會消失，醫(yī)療需要的人文關(guān)懷是人工智能產(chǎn)品無法替代的。如何更好地將人工智能應(yīng)用在醫(yī)療健康領(lǐng)域仍需多科系的共同努力，作為醫(yī)務(wù)工作人員應(yīng)該積極面對新事物的沖擊，將臨床實踐與人工智能相結(jié)合，同時也要加深對專業(yè)的鉆研，才能應(yīng)對機器人可能取代人類部分工作崗位帶來的挑戰(zhàn)。